1.8.7 总结与扩展
前情回顾:
1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁——AlexNet
1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁——VGGNet
1.8.3 卷积神经网络近年来在结构设计上的主要发展和变迁——GoogleNet/inception-v1
1.8.4 卷积神经网络近年来在结构设计上的主要发展和变迁——Inception-v2 和Inception-v3
1.8.5 卷积神经网络近年来在结构设计上的主要发展和变迁——Inception-v4 和 Inception-ResNet
卷积神经网络的基本结构在过去几年里发生了很多变化,从简单的堆砌卷积层,到堆砌3×3卷积层,到Inception系列网络中的细节设计,可以说卷积神经网络的结构设计已经逐渐精细了。
此外,近两年来还涌现出了许多其他的优秀模型,如通过神经网络架构搜索(Neural Architecture Search,NAS)得到的 NASNet(17) 、获得2017年ILSVRC大规模视觉识别竞赛冠军的SENet(18)等。本节受篇幅限制不再讲解,感兴趣的读者可自行阅读相关论文。
图1.17绘制了多种卷积神经网络在计算量、参数量以及在ImageNet 2012数据集上的分类效果(包括Top-1正确率和Top-5正确率)等方面的对比图(19),供读者参考。
(17) Learning transferable architectures for scalable image recognition (2018)
(18)Squeeze-an d-excitation networks (2018)
(19)Benchmark analysis of representative deep neural network architectures (2018)
参考文献:
《百面深度学习》 诸葛越 江云胜主编
出版社:人民邮电出版社(北京)
ISBN:978-7-115-53097-4
2020年7月第1版(2020年7月北京第二次印刷)
推荐阅读:
//好用小工具↓
// 深度学习经典网络↓